Analisis ini menggunakan dataset penyewaan sepeda untuk menjawab pertanyaan tentang pengaruh musim dan hari terhadap jumlah penyewaan. Analisis dilakukan menggunakan Python, pandas, matplotlib, dan seaborn untuk mengekstrak insight berharga yang membantu perencanaan strategis bisnis.
Peran:
Data Scientist
Fitur:
- Data Wrangling:
- Pembersihan data dan pengubahan tipe data.
- Pembuatan atribut tambahan seperti 'day_of_week'.
- Analisis Eksploratif (EDA):
- Visualisasi distribusi data penyewaan per musim.
- Perbandingan penyewaan pada hari kerja dan hari libur.
- Visualisasi Data:
- Penggunaan matplotlib dan seaborn untuk membuat grafik yang informatif.
Teknologi:
- Bahasa Pemrograman: Python
- Library: pandas, matplotlib, seaborn
Penggunaan:
- Clone repositori ini:
git clone https://github.com/gesarizky/datascientist-BorrowCycling.git - Install dependensi:
pip install -r requirements.txt - Pindah ke direktori dashboard:
cd BorrowCycling/dashboard - Jalankan analisis:
python dashboard.py
Contoh Visualisasi:
Visualisasi tersedia dalam laporan lengkap atau dapat dihasilkan melalui notebook:
Klik di sini untuk melihat laporan lengkapnya.
Struktur Proyek:
- data/: Berisi dataset yang digunakan.
- notebooks/: Jupyter Notebook untuk eksplorasi data.
- scripts/: Kode Python untuk analisis.
- reports/: Hasil visualisasi dan laporan analisis.
Source Code:
Untuk informasi lebih lanjut tentang proyek ini atau untuk berdiskusi tentang analisis data lebih lanjut, silakan hubungi saya atau kunjungi website saya.
: